AutoMate A Dataset and Learning Approach for Automatic Mating of CAD Assemblies【浅读】

AutoMate: A Dataset and Learning Approach for Automatic Mating of CAD Assemblies

AutoMate: A Dataset and Learning Approach for Automatic Mating of
CAD Assemblies(自动化:CAD装配自动匹配的数据集和学习方法)

2021 ACM

论文概述

这篇文章介绍了使用深度学习方法来预测计算机辅助设计(CAD)中的装配关系(mates)。主要内容和贡献如下：

1. 提出了一种新的基于边界表示(BREPs)的图神经网络SB-GCN,可以学习不同拓扑实体(面、边、顶点等)的嵌入表示。这是第一个异构的BREP表示学习模型。
2. 收集并整理了第一个大规模的基于BREP的装配建模数据集，包含180,102个装配关系。
3. 应用SB-GCN来预测装配关系的位置和类型。位置预测准确率达到72.2%,类型预测准确率达到70%。
4. 将该方法集成到一个商业CAD系统Onshape中，实现了自动完成装配关系的功能，显著提高了装配效率。
5. 分析了预测结果的不确定性，并讨论了模型的局限性和未来可扩展的方向。

总体来说，本文通过图神经网络表示学习的方法，实现了针对CAD工作流程的第一个装配建模系统，取得了较好的效果，为CAD系统的智能化提供了有价值的参考。

摘要

装配建模是计算机辅助设计(CAD)的核心任务，约占CAD工作流程的三分之一。因此，优化这一过程在CAD系统的设计中代表了一个巨大的机会，但目前基于装配的建模研究并不直接用于现代CAD系统，因为它避开了现代CAD的主要数据结构:参数边界表示(brep)。

CAD装配建模将装配定义为零件之间的成对约束系统，称为伙伴，它们是相对于BREP拓扑定义的，而不是在现有工作中常见的世界坐标中定义的。我们提出了一种基于brep的表示学习方案SB-GCN，该方案保留了零件的拓扑结构，并使用这些学习到的表示来预测CAD类型匹配。为了训练我们的系统，我们编译了第一个大规模的BREP CAD组件数据集，我们将与基准伴侣预测任务一起发布。最后，我们通过构建一个工具来证明我们的模型与现有商业CAD系统的兼容性，该工具通过建议配偶完成来帮助用户创建配偶，准确率为72.2%。

结论

在这项工作中，我们提出了SB-GCN，这是brep的第一个异构图网络，能够学习许多类型拓扑实体的嵌入。我们使用SB-GCN来构建第一个装配建模工具，以满足CAD工作流程的独特需求;它将brep作为输入，与类别无关，将组件建模为约束集合，并根据解析几何定义这些约束。当我们将我们的网络应用于交配问题和一个特定的配偶模型时，我们设计了我们的模型来学习表示所有基于brep的CAD软件的核心构建块:拓扑实体。正因为如此，SB-GCN应该适用于其他配合系统，以及其他CAD任务。最后，我们收集并清理了第一个基于brep的装配建模数据集，该数据集将与我们的模型和基线任务一起发布。我们很高兴看到在这个基础上将会有什么新的CAD创新。